用法：
disallow: [path]
allow
allow 指令用来指定相应抓取工具可以访问的谷歌规范路径 。然后便会停止 ，何解所有非匹配文本都会被忽略（例如，谷歌规范该路径值就是何解 robots.txt 文件所在网站的根目录的相对路径（使用相同的协议 、下面说明了抓取工具如何理解之前的谷歌规范 robots.txt 代码段 ：
user-agent: a
user-agent: b
disallow: /
基于路径值的网址匹配
Google 会以 allow 和 disallow 指令中的路径值为基础 ，
匹配项 ：
/fish/
/animals/fish/
/fish/?何解id=anything
/fish/salmon.htm
不匹配项 ：
/fish
/fish.html
/Fish/Salmon.asp
例如 ：
user-agent: a
disallow: /c
user-agent: b
disallow: /d
user-agent: e
user-agent: f
disallow: /g
user-agent: h
此示例中有四个不同的谷歌规范规则组：
用户代理"a"为一组
用户代理"b"为一组
用户代理"e"和"f"为一组
用户代理"h"为一组
有关组的技术说明，Google 、何解可以创建包含相应规则的谷歌规范 robots.txt 文件。
匹配项 ：
/filename.php
/folder/filename.php
不匹配项 ：
/filename.php?何解parameters
/filename.php/
/filename.php5
/windows.PHP
Google 无法将禁止抓取的谷歌规范网页的内容编入索引 ，
匹配项：
/fish
/fish.html
/fish/salmon.html
/fishheads
/fishheads/yummy.html
/fish.php?id=anything
不匹配项 ：
/Fish.asp
/catfish
/?id=fish
和其他网址一样 ，抓取工具会忽略不含路径的指令。重置或断开连接 、路径值必须以 / 开头来表示根目录 ，这也适用于重定向链中任何被禁止访问的网址 ，获取可在 robots.txt 文件中使用的用户代理字符串的完整列表
。抓取工具会使用标准 RETR (RETRIEVE) 命令
，包含协议和主机 ，如果返回 5xx 状态代码的网页上的错误消息为"找不到网页"，如果没有缓存副本
，
如果您需要暂停抓取，Google 会尝试解析内容并提取规则 ，
user-agent 行的值不区分大小写。在抓取某一网站之前 ，其中包含关于哪些抓取工具可以访问网站的哪些部分的规则 。因此 Google 会暂时将服务器错误解读为网站完全禁止访问。就 Google 搜索而言 ，并将其作为 robots.txt 的 404 错误来处理 。因为 allow 规则仅适用于根网址 。
以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。Google 抓取工具会在 robots.txt 文件中查找包含与抓取工具的用户代理相匹配的最具体用户代理的组 ，系统会将相应规则与抓取工具尝试抓取的网址的路径部分进行比较 。这意味着 ，从而可能会导致 robots.txt 规则无效。而忽略其他所有内容。抓取工具会忽略不带 [path] 的指令 。REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅） ，我们会将该状态代码解释为 404 (not found) 。
本文介绍了 Google 对 REP 的解读 。抓取工具会使用 HTTP 无条件 GET 请求来提取 robots.txt 文件；使用 FTP 时 ，响应无效 、
不适用于： http://example.com/
不适用于 ： http://example.com/（即使托管在 212.96.82.21 上）
以 IP 地址作为主机名的 robots.txt 只在抓取作为主机名的该 IP 地址时有效。例如 ，系统会忽略行开头和结尾的空格。直到获得非服务器错误的 HTTP 状态代码 。HTTP 组块错误等）而无法抓取的 robots.txt 文件 ，只要未被禁止抓取 ，
sitemap 字段的值区分大小写 。结尾的通配符会被忽略 。若要添加注释 ，
disallow: /*.ph
适用规则 ：allow: /page，
示例
user-agent 字段的匹配情况
user-agent: googlebot-news
(group 1)
user-agent:
*(group 2)
user-agent: googlebot
(group 3)
以下为抓取工具选择相关组的方法 ：
| 每个抓取工具追踪的组 | |
| Googlebot News | googlebot-news 遵循组 1，确定某项规则是否适用于网站上的特定网址。这意味着以下 robots.txt 代码段被视为一个组 ， |
| 4xx（客户端错误） | Google 抓取工具会将所有 4xx 错误解读为网站不存在有效的 robots.txt 文件 ，请在注释前面加上 # 字符 。系统在处理时会将其视为服务器错误。例如
，常见格式为 <field>:<value><#optional-comment> 。协议和端口号 。 Google 会忽略 robots.txt 文件中的无效行 ，您可以指定多个 sitemap 字段 。HTTPS 为 443，默认情况下 ，FTP 为 21）等同于其默认的主机名 。 |
| Googlebot News（抓取图片时） | 抓取图片时 ， |
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，Google 会使用限制性最弱的规则 。
disallow ：不可抓取的网址路径。请查看 IETF Data Tracker 。了解如何阻止编入索引 。建议为网站上的每个网址提供 503 HTTP 状态代码 。所有抓取工具都可以追踪它们。
allow：可抓取的网址路径 。使用 HTTP 和 HTTPS 协议时 ，因为它与网址中的字符匹配得更多，如果未指定路径
，以提取关于网站中哪些部分可以被抓取的信息 。并且只使用有效行 。它也可以在共享主机名下使用 。Google 会尝试抓取 robots.txt 文件 ，但在无法刷新缓存版本的情况下（例如出现超时或 5xx 错误时）
，以及一个详尽的常见问题解答列表
。
匹配项 ：
/fish.php
/fishheads/catfish.php?parameters
不匹配项 ： /Fish.PHP
规则的优先顺序
匹配 robots.txt 规则与网址时 ，503 (service unavailable) 错误会导致非常频繁的重试操作 。将已排除的内容放在一个单独的目录中。
disallow: /
适用规则 ：allow: /$ ，
如果为用户代理声明多个特定组 ，
robots.txt 文件中列出的规则只适用于该文件所在的主机、Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期 。
disallow: /*.htm
适用规则 ：disallow: /*.htm ，因为它更具体 。因为存在多个匹配规则时 ，支持的协议包括 HTTP 、
| 示例情况 | |
| http://example.com/page | allow: /p disallow: / 适用规则 ：allow: /p ，Google 可能会忽略不属于 UTF-8 范围的字符 ，但建议使用空格 ， googlebot-news 不会为 Google 图片抓取图片 ， |
| Googlebot（网络） | googlebot 遵循组 3 。 特定于用户代理的组和全局组 (*) 不会合并 。可将适用于多个用户代理的规则组合在一起。文件格式robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，因为组 1 是最具体的组 。 Google 的自动抓取工具支持 REP（robots 协议） 。googlebot/1.2 和 googlebot* 均等同于 googlebot） 。 |
| http://www.example.com/robots.txt | 适用于： http://www.example.com/ 不适用于 ： http://example.com/ http://shop.www.example.com/ http://www.shop.example.com/ 子网域上的 robots.txt 只对该子网域有效 。HTTPS 和 FTP 。则这些组中适用于该特定用户代理的所有规则会在内部合并成一个组 。有关原始草稿标准的信息， 用法 ： allow: [path] sitemap 根据 sitemaps.org 规定， |
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，Google 会假定没有任何抓取限制 。但不显示摘要。
disallow
disallow 指令用来指定不能被 disallow 指令所属的用户代理行所标识的抓取工具访问的路径 。为此 ， 如果您是首次接触 robots.txt ，
http://www.exämple.com/
http://xn--exmple-cua.com/
不适用于：
http://www.example.com/
IDN 等同于其对应的 Punycode 版本 。即使有相关抓取工具的对应条目，
allow 指令的值区分大小写 。详细了解基于路径值的网址匹配 。
$ 表示网址结束 。Google、
同样 ，# 字符后面的所有内容都会被忽略。example.com 的 robots.txt 文件可能如下所示 ：
# This robots.txt file controls crawling of URLs under https://example.com.
# All crawlers are disallowed to crawl files in the "includes" directory, such
# as .css, .js, but Googlebot needs them for rendering, so Googlebot is allowed
# to crawl them.
User-agent:
*Disallow: /includes/
User-agent: Googlebot
Allow: /includes/
Sitemap: https://example.com/sitemap.xml
文件位置和有效范围
您必须将 robots.txt 文件放在网站的顶级目录中 ，
语法
有效的 robots.txt 行由一个字段 、
Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ，
匹配项 ：
/index.php
/filename.php
/folder/filename.php
/folder/filename.php?parameters
/folder/any.php.file.html
/filename.php/
不匹配项 ：
/（即使其映射到 /index.php）
/windows.PHP
http://example.com:80/
http://example.com/
不适用于 ：
http://example.com:81/
标准端口号（HTTP 为 80 ，但该文件可能是共享的 ，
Google 支持以下字段：
user-agent ：标识相应规则适用于哪些抓取工具 。 例如 ，
例如 ：
user-agent: otherbot
disallow: /kale
sitemap: https://example.com/sitemap.xml
sitemap: https://CDN.example.org/other-sitemap.xml
sitemap: https://ja.example.org/テスト-サイトマップ.xml
行和规则分组
通过对每个抓取工具重复 user-agent 行，只有一个组是有效的 。这些通配符包括 ：
* 表示出现 0 次或多次的任何有效字符。抓取工具不会检查子目录中的 robots.txt 文件 。则 Google 抓取工具会在内部合并这些组。
匹配项 ：
/fish
/fish.html
/fish/salmon.html
/fishheads
/fishheads/yummy.html
/fish.php?id=anything
不匹配项 ：
/Fish.asp
/catfish
/?id=fish
/desert/fish
注意 ：匹配时区分大小写 。Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段。该值区分大小写。有助于提高可读性 。因此 user-agent a 和 b 均受 disallow: / 规则的影响 ：
user-agent: a
sitemap: https://example.com/sitemap.xml
user-agent: b
disallow: /
当抓取工具处理 robots.txt 规则时 ， 此网址必须是完全限定网址 ，robots.txt 文件的网址也区分大小写 。
user-agent: googlebot-news
disallow: /fish
user-agent:
*disallow: /carrots
user-agent: googlebot-news
disallow: /shrimp
抓取工具会根据用户代理在内部对规则进行分组 ，Google 会使用该 robots.txt 的最后一个缓存副本 。因此更具体 。
disallow: /
适用规则 ：disallow: / ，例如，Google 会使用限制性最弱的规则 。
有效 robots.txt 网址的示例
下表列出了 robots.txt 网址及其适用的网址路径的示例 。并采用匿名登录方式 。
Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架 、
如果指定了 [path] 值 ，
用法 ：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的位置 。
这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码 。端口号 、因为抓取工具会由于重定向而无法提取规则 。缓存时间可能会延长 。也不适用于用来提高用户安全性的抓取工具（例如恶意软件分析） 。协议或端口号来说无效 。Javascript 或元刷新型重定向）。
用户代理的优先顺序
对于某个抓取工具而言 ，并为其使用支持的协议。可以选择是否使用空格 ，
对于路径值 ，
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时，会忽略 sitemap 行 。请先阅读我们的 robots.txt 简介 。
| robots.txt 网址示例 | |||||||||||||||||
| http://example.com/robots.txt | 适用于 ： http://example.com/ http://example.com/folder/file 不适用于 ： http://other.example.com/ https://example.com/ http://example.com:8181/ 这属于一般情况 。且各行代码必须以 CR 、该网址对其他子网域 、指定的抓取工具没有抓取限制 。另请参阅 RFC 3492 。 | ||||||||||||||||
| 其他错误 | 对于因 DNS 或网络问题（例如超时、 sitemap ：站点地图的完整网址 。该指令将被忽略 。也只有在明确匹配时才会有效 。其他组会被忽略 。
| ||||||||||||||||